本文的研究是在国家“十三五”重点研发计划(2016YFF0203301)和国家自然科学基金(51779106)的资助下开展的。空化是水力机械的“癌症”,不但会影响水力机械性能,诱发振动和噪声,甚至还会导致过流部件遭到腐蚀破坏。为了防止空化发展造成进一步的破坏,应准确对离心泵空化状态进行识别。空化状态识别不仅能防止离心泵长期运行于空化状态而影响机组性能,还有助于实现预测性维修。本文以离心泵为研究对象,通过试验研究了信号在不同空化阶段的变化规律,提出了基于单一特征值给定阈值和基于多分辨率多测点信息融合的空化状态识别方法,并开发了离心泵空化状态识别系统。本文主要内容及成果如下:1.阐述了离心泵空化产生机理及危害,系统地总结了国内外空化状态识别方法研究现状,比较了不同空化监测方法的优缺点,分析了适用于离心泵空化状态识别的信号特征提取及模式识别方法,并对现有离心泵空化状态识别系统做了较为全面的概括。2.对离心泵不同空化状态下进口空泡分布、外特性、压力脉动、液载噪声与振动信号进行同步采集,分析其变化规律,提出了基于压力脉动、液载噪声、振动信号时域及频域信号单一特征值给定阈值的空化状态识别方法,并对这些方法进行了敏感性分析。研究表明:高速摄影方法空化判断敏感性最高,性能参数法敏感性最差;压力脉动法抗干扰性较差;声学法和振动法能够较早识别空化状态,更加适合空化的在线监测及识别。3.离心泵故障的发生或工况的改变都会引起扬程、声级和振级等的变化,因此针对采用单一特征值给定阈值识别空化易造成误判的问题,基于离心泵液载噪声、振动信号,提出了一种工况无关化的离心泵单测点多分辨率空化状态识别方法:采用小波包分解提取降噪后空化信号多尺度时变矩的均方根值、能量熵值等统计特征值组成特征矩阵,采用主成分分析法对特征矩阵进行降维去除冗余后作为输入构建RBF神经网络。结果表明,该方法对未空化、空化初生、严重空化三种空化状态整体识别率达到96%以上,对空化初生状态识别率为达到70%以上。4.针对单测点信号多分辨率分析方法对空化初生状态识别率较低的问题,提出多测点特征级信息融合的空化状态识别方法。将单测点信号各节点特征值按不同测点数量及组合方式排列成新的特征矩阵,采用主成分分析法降维后训练成新的不同RBF神经网络实现特征级融合。分析结果表明:基于两测点信号特征级融合方法对离心泵空化初生状态识别率达到82%以上,三测点以上信号特征级融合方法对三种空化状态识别率皆达到100%。5.由于受外部激励变化和工况突变等因素的影响,使得传感器获取数据常常遭受无法预测的扰动,为提升空化状态识别方法的抗干扰能力,提出基于多测点决策级信息融合的空化状态识别方法。通过D-S证据理论对单测点信号空化状态结果进行决策级融合,在保证两测点及以上信号决策级融合时对空化初生状态识别率达到98%以上的前提下,极大提升了抗干扰性。6.将多测点特征级信息融合方法运用于离心泵叶片折损、口环磨损单一故障状态识别,识别结果良好。离心泵的故障往往并非单独发生,为研究多故障状态的识别,以轴频及其倍频作为频段划分依据,提出一种基于倍频带的离心泵多故障并发状态识别方法。分析结果表明:单测点多故障并发状态识别率达到97%以上,四测点及以上信号特征级融合所有故障状态识别率达到100%7.基于上述空化状态识别方法,设计开发了配套的离心泵空化状态识别系统并进行验证:构建TCP/USB/串口通讯网络、设计制作电控箱,完成离心泵空化状态识别系统硬件的设计;运用LabVIEW开发了离心泵空化状态识别系统软件显示界面,采用MatlabScript节点编写调用小波包、RBF神经网络等复杂算法,实现了系统软硬件通讯、离心泵性能/汽蚀/高频/空载试验、时频域信号处理、运行参数在线监测/报警/记录、空化状态识别、Office报表生成及Access数据库管理等功能;利用第二章试验台及试验泵为研究对象对所开发系统进行试验验证,结果显示系统测量精度满足国家验收标准,单测点空化识别整体率达到97.2%以上,多测点特征级和决策级融合空化识别率皆优于单测点。